FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO

Slides:



Advertisements
Presentasi serupa
<Artificial intelligence>
Advertisements

Contoh Kasus Fuzzy dalam menentukan Jumlah Produksi Barang berdasarkan Jumlah Permintaan konsumen dan Jumlah Barang yang tersedia di gudang.
SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2011
Bahan Kuliah IF4058 Topik Khusus IF
FUZZY INFERENCE SYSTEMS
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMAAN BEASISWA BAGI MAHASISWA BERBASIS LOGIKA FUZZY ADE SYAYUTI MANNAF K
FUZZY INFERENCE SYSTEMS
LOGIKA FUZZY Kelompok Rhio Bagus P Ishak Yusuf
Logika Fuzzy.
LOGIKA FUZZY PERTEMUAN 3.
Penalaran Mamdani dan Tsukamoto Pada pendekatan Fuzzy Inference System
LOGIKA FUZZY .
CONTOH PENERAPAN LOGIKA FUZZY Fuzzy tsukamoto, mamdani, sugeno
Kuliah Sistem Fuzzy Pertemuan 5 “Sistem Inferensi Fuzzy”
Intelligent Control System (Fuzzy Control)
Logika Fuzzy.
Model Fuzzy Tsukamoto.
LOGIKA FUZZY.
Kecerdasan Buatan Logika Fuzzy.
Logika fuzzy.
KECERDASAN BUATAN LOGIKA FUZZY (Fuzzy Logic) Edy Mulyanto.
LOGIKA FUZZY (Lanjutan)
TEORI DASAR Logika Fuzzy
Kode MK :TIF , MK : Fuzzy Logic
LOGIKA FUZZY Oleh I Joko Dewanto
LOGIKA FUZZY ABDULAH PERDAMAIAN
FUZZY INFERENCE SYSTEMS
FUZZY INFERENCE SYSTEMS
Model Fuzzy Mamdani.
Pertemuan 11 FUZZY INFERENCE SYSTEM (FIS)
KECERDASAN BUATAN (Artificial Intelligence) Materi 5
CARA KERJA SISTEM PAKAR
Logika Fuzzy.
FUZZY TSUKAMOTO UTHIE.
FUZZY INFERENCE SYSTEM (FIS) - MAMDANI
Kode MK :TIF , MK : Fuzzy Logic
Sistem Inferensi Fuzzy
FUZZY INFERENCE SYSTEM (FIS)
FUZZY INFERENCE SYSTEM (FIS)
Kode MK : TIF01405; MK : Kecerdasan Buatan
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
FUZZY SIMPLE ADDITIVE WEIGHTING (FSAW)
FUZZY INFERENCE SYSTEM (FIS) - SUGENO
<KECERDASAN BUATAN>
DASAR FUZZY.
LATIHAN 1 (kelompok 1 – 3) Permintaan terbesar 6000 kemasan/hari, permintaan terkecil 2000 kemasan/hari Persediaan barang digudang terbanyak mencapai 700.
Penggunaan Toolbox Matlab menyelesaikan kasus sistem uzzy
LOGIKA FUZZY Dosen Pengampu : Dian Tri Wiyanti, S.Si, M.Cs
Oleh : Yusuf Nurrachman, ST, MMSI
Perhitungan Membership
METODE FIS Pertemuan Ke-5.
Pertemuan 11 FUZZY INFERENCE SYSTEM (FIS)
Penyusun: Tri Nurwati (dari segala sumber :)
HEMDANI RAHENDRA HERLIANTO
Sistem Inferensi Fuzzy
Operasi Himpunan Fuzzy
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
Rusmala, S.Kom., M.Kom Pertemuan 9, 10, 11
FUZZY INFERENCE SYSTEM (FIS) - SUGENO
METODE FIS Pertemuan Ke-5.
FUZZY TSUKAMOTO UTHIE.
EXPERT SYSTEM (SISTEM PAKAR)
CCM110 Matematika Diskrit Pertemuan-11, Fuzzy Inference System
Logika Fuzzy (Fuzzy Inference System)
Fuzzy Expert Systems.
Penalaran Logika Fuzzy
FUZZY TSUKAMOTO UTHIE.
Operator Himpunan Fuzzy
Logika Fuzzy Dr. Mesterjon,S.Kom, M.Kom.
LOGIKA FUZZY. Definisi Logika Fuzzy adalah peningkatan dari logika Boolean yang mengenalkan konsep kebenaran sebagian. Di mana logika klasik menyatakan.
Transcript presentasi:

FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO 17/9/2015 Kode MK :TIF ........, MK : Fuzzy Logic

Kode MK :TIF ........, MK : Fuzzy Logic OUTLINE Metode FIS Tsukamoto Langkah-langkah FIS-Tsukamoto Contoh FIS-Tsukamoto 17/9/2015 Kode MK :TIF ........, MK : Fuzzy Logic

METODE FIS-TSUKAMTO setiap konsekuen pada rule yang berbentuk IF-Then Direpresentasikan dengan suatu himpunan fuzzy Fungsi keanggotaan yang monoton output hasil inferensi dari tiap-tiap rule diberikan secara tegas (crisp) berdasarkan -predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot. 11/08/2011 Logika Fuzzy

METODE FIS-TSUKAMTO Misal ada 2 var input: var-1 (x), dan var-2 (y); serta 1 var output: var-3 (z). Var-1 terbagi atas himp. A1 & A2; var-2 terbagi atas himp. B1 & B2; var-3 terbagi atas himp. C1 & C2. Ada 2 aturan: If (x is A1) and (y is B2) Then (z is C1) If (x is A2) and (y is B1) Then (z is C2) 11/08/2011 Logika Fuzzy

METODE FIS-TSUKAMTO 11/08/2011 Logika Fuzzy

LANGKAH-LANGKAH FIS-TSUKAMTO Tentukan Himpunan Fuzzy dan Input Fuzzy Aplikasi Operator Fuzzy Penegasan (Defuzification) 11/08/2011 Logika Fuzzy

Apabila sistem produksinya menggunakan aturan fuzzy sebagai berikut: Suatu perusahaan makanan kaleng setiap harinya rata-rata menerima permintaan sekitar 55000 kaleng, dan dalam 3 bulan terakhir permintaan tertinggi sebesar 75000 kaleng. Makanan kaleng yang masih tersedia di gudang, setiap harinya rata-rata 5000 kaleng, sedangkan kapasitas gudang maksimum hanya dapat menampung 13000 kaleng. Apabila sistem produksinya menggunakan aturan fuzzy sebagai berikut: 11/08/2011 Logika Fuzzy

METODE FIS-TSUKAMTO [R1] IF Permintaan TURUN And Persediaan BANYAK THEN Produksi Barang BERKURANG [R2] IF Permintaan NAIK And Persediaan SEDIKIT THEN Produksi Barang BERTAMBAH [R3] IF Permintaan NAIK And Persediaan BANYAK [R4] IF Permintaan TURUN And Persediaan SEDIKIT Tentukanlah berapa jumlah barang yang harus diproduksi hari ini, jika permintaan sebanyak 60000 kaleng, dan persediaan yang masih ada di gudang sebanyak 8000 kaleng. 11/08/2011 Logika Fuzzy